Esercitazione n o 3 per il corso di Ricerca Operativa

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Esercitazione n o 3 per il corso di Ricerca Operativa"

Transcript

1 Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento November 1, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con litri di acqua. Si richiede che l acqua non contenga sostanze inquinanti in quantità superiore a 100 parti per milione. L acqua può essere ottenuta da un fiume o da un pozzo. La quantità di acqua che può essere fornita dal fiume è illimitata, e un impianto di depurazione può depurarla in modo che il livello di inquinamento sia inferiore a 150 parti per milione ad un costo di e10 ogni litri di acqua trattata o a 75 parti per milione ad un costo di e30 per litri di acqua trattata. Il pozzo, invece, può fornire al più litri di acqua al giorno con un livello di inquinamento pari a 50 parti per milione. L acqua fornita dal pozzo può, volendo, essere purificata mediante un processo sperimentale che riduce le impurità a 10 parti per milione. Il pompaggio dell acqua del pozzo costa e40 ogni litri e la stessa quantità di acqua può essere purificata mediante il processo sperimentale al costo di e15. Scrivere il problema di PL che permette di determinare il modo di soddisfare le esigenze idriche della città al costo minimo. Analisi sintetica del problema. cittá fiume pozzo proced. 1 proced. 2 estrazione depurazione richiesta/fornitura in lt. illimitato al più 100 ppm livello inquinante 150 ppm 75 ppm 50 ppm 10 ppm costo e10/5 000lt. e30/5 000lt. e40/5 000lt. e(40+15)/5 000lt. variabili di decisione x 1F x 2F x 1P x 2P 1

2 Formulazione. Variabili di decisione. Scegliamo come variabili di decisione le quantità di acqua (in litri) x 1F ottenuta dal fiume con procedimento di depurazione 1, x 2F ottenuta dal fiume con procedimento di depurazione 2, x 1P ottenuta dal pozzo senza depurazione, x 2P ottenuta dal pozzo con procedimento di depurazione. Vincoli. Si devono imporre i seguenti vincoli: Vincoli di domanda: la città deve essere rifornita con lt.di acqua: x 1F + x 2F + x 1P + x 2P = Vincoli di capacità: il pozzo può fornire al più lt. di acqua: x 1P + x 2P Vincoli di qualità: la qualità della miscela è misurata in parti di sostanze inquinanti per milione, e deve risultare che fornisce il vincolo lineare 150x 1F + 75x 2F + 50x 1P + 10x 2P x 1F + x 2F + x 1P + x 2P x 1F + 75x 2F + 50x 1P + 10x 2P 100(x 1F + x 2F + x 1P + x 2P ). N.B. Nel caso specifico la quantità x 1F + x 2F + x 1P + x 2P = , dunque il vincolo è equivalente a 150x 1F + 75x 2F + 50x 1P + 10x 2P Vincoli di non negatività. si tratta di quantità acqua, quindi x if 0 x ip 0 i = 1, 2. Funzione obiettivo. È il costo da minimizzare. Il costo è diverso a seconda della sorgente e del trattamento effettuato e supponiamo che valga l ipotesi di proporzionalità. Poiché 5000 lt. di acqua del tipo 1F costano 10000, il costo di x 1F lt. di acqua è (x 1F /5000)10000 = 2x 1F, analogamente il costo di x 2F lt. di acqua prodotti con modalità x 2F è (x 2F /5000)30000 = 6x 2F. Per quanto riguarda l acqua ottenuta dal pozzo, abbiamo che per la quantità x 1P dobbiamo pagare solo il pompaggio dato da: (x 1P /5000)40000 = 8x 1P, mentre per l acqua sottoposta a trattamento dobbiamo pagare sia il pompaggio che la purificazione (x 2P /5000)( ) = 11x 2P. Quindi la funzione obiettivo è: (10000x 1F x 2F x 1P x 2P )/5000 = 2x 1F + 6x 2F + 8x 1P + 11x 2P. 2

3 Complessivamente possiamo scrivere il problema di PL min 2x 1F + 6x 2F + 8x 1P + 11x 2P x 1F + x 2F + x 1P + x 2P = x 1P + x 2P x 1F 25x 2F 50x 1P 90x 2P 0 x if 0, x ip 0 i = 1, 2. N.B. Si è scelta la formulazione del vincolo 150x 1F + 75x 2F + 50x 1P + 10x 2P 100(x 1F + x 2F + x 1P + x 2P ) 0. 3

4 Si tratta di un esempio di problema di miscelazione. Si tratta di problemi in cui si hanno a disposizione n sostanze diverse che indichiamo con S 1, S 2,..., S n ciascuna delle quali contenga una certa quantità di m componenti utili che indichiamo con C 1, C 2,..., C m. Si vuole ottenere una miscela M delle sostanze tale che che soddisfi alcuni requisiti qualitativi, cioè contenga una quantità non inferiore a b i ed eventualmente non superiore a d i di ciascun C i, i = 1,..., m C 1 C 2 C m b 1 b 2 b m. d 1 d 2 d m e soddisfi qualche criterio di perfomance. Si indichi con a ij, i = 1,..., m, j = 1,..., n la quantità di componente C i presente nella sostanza S j. Si può così costruire la seguente tabella S 1 S j S n C 1 a 11 a 1j a 1n.... C i a i1 a ij a in.... C m a m1 a mj a mn Ad esempio, se ogni sostanza S j ha costo unitario c j, j = 1,..., n S 1 S 2 S n c 1 c 2 c n si può voler ottenere la miscela più economica. Supponendo che valgano le ipotesi di proporzionalità, additività ed inoltre assumendo che le quantità di sostanze da utilizzare siano frazionabili, si può formulare questo problema in termini di un problema di Programmazione Lineare. È naturale introdurre le variabili di decisione x 1, x 2,..., x n rappresentanti la quantità di ciascuna sostanza S 1, S 2,..., S n da utilizzare nella miscela. Introducendo la matrice (m n) e il vettore b = (b 1,..., b m ) T nella forma A = a a 1n. a m1... a mn la formulazione completa del problema può essere scritta min c T x Ax b Ax d x 0, x IR n. 4

5 In alcuni casi si richiede che una certa sostanza appartenga alla miscela solo se un altra sostanza vi appartiene (o non vi appartiene). Questi vincoli richiedono l uso di variabili booleane. Soluzione con uso di Foglio elettronico Il foglio Microsoft Excel che corrisponde alla rappresentazione dei dati modello è in figura.la tabella Microsoft Excel che corrisponde alla rappresentazione del modello è in figura. Risulta x 1F = , x 2F = , x 1P = 0, x 2P = 0 Figure 1: Foglio Excel relativo ai dati del problema La tabella corrispondente al report di Sensibilità è in figura. sono disponibili in rete. Il files corrispondenti 5

6 Figure 2: Foglio Excel relativo al modello del problema Analizziamo i fogli di report generati da Excel e la soluzione ottima fornita. A questo scopo poniamo il modello in forma standard di PL, aggiungendo le variabili di slack. Al fine di ottenere una completa corrispondenza con il file di Report generato da Excel, è stata inserita anche la variabile s 1 nel primo vincolo di uguaglianza. In una qualunque soluzione ammissibile il valore di s 1 è identicamente nulla. In particolare si ottiene min 2x 1F + 6x 2F + 8x 1P + 11x 2P x 1F + x 2F + x 1P + x 2P + s 1 = x 1P + x 2P + s 2 = x 1F 25x 2F 50x 1P 90x 2P + s 3 = 0 x if 0, x ip 0 i = 1, 2, s i 0, i = 1, 2, 3.. I valori delle variabili di slack sono sul Rapporto Valori ( Tolleranza )e si ha s 1 = 0, s 2 = , s 3 = 0. Le variabili positive sono tre x 1F, x 2F, s 2 e corrispondono alle tre variabili in base. La matrice di base B è dunque costituita dalle tre colonne della matrice A corrispondenti, ed N dalle rimanenti cioè B = N =

7 Figure 3: Foglio Excel del Report di Sensibilità del problema La soluzione ammissibile di base corrispondente a B è ovviamente x 1F x 2F s 2 = = , Si può risolvere il sistema dei vincoli rispetto ad x B = x 1P x 2P s 1 = 0. s 3 x 1F x 2F, ovvero scrivere x B = s 2 7

8 Figure 4: Report Valori x 1P B 1 b B 1 N x x N e si ottiene il problema ridotto nelle sole variabili x N = 2P s 1 : s 3 x P min (2 6 0) γn T x 2P s s x P x P s s 3 x ip 0 i = 1, 2, s i 0, i = 1, 3. dove γn T = ( ) (2 6 0) = indica il vettore dei costi ridotti relativo alla base B. I valori corrispondono quelli indicati nel rapporto di sensibilità di figura. 8

Esercitazione n o 3 per il corso di Ricerca Operativa

Esercitazione n o 3 per il corso di Ricerca Operativa Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua

Dettagli

Esercitazione per il corso di Ricerca Operativa 10 novembre 2009

Esercitazione per il corso di Ricerca Operativa 10 novembre 2009 A.a. 2009-10 Esercitazione n o 1 Esercitazione per il corso di Ricerca Operativa 10 novembre 2009 Laurea magistrale in Ing. Meccanica e Ing. dei Sistemi di Trasporto Laurea in Ing. dei Trasporti Formulazione

Dettagli

Modelli di Programmazione Lineare

Modelli di Programmazione Lineare 3 Modelli di Programmazione Lineare 3.1 MODELLI DI ALLOCAZIONE OTTIMA DI RISORSE Esercizio 3.1.1 Un industria manifatturiera può fabbricare 5 tipi di prodotti che indichiamo genericamente con P1, P2, P3,

Dettagli

Modelli di Programmazione Lineare

Modelli di Programmazione Lineare Capitolo 3 Modelli di Programmazione Lineare In questo capitolo esaminiamo in modo più dettagliato la Programmazione Lineare In particolare saranno presentati alcuni modelli di PL più o meno classici 31

Dettagli

Esercitazione n o 6 per il corso di Ricerca Operativa

Esercitazione n o 6 per il corso di Ricerca Operativa Esercitazione n o 6 per il corso di Ricerca Operativa Il problema è stato tratto dal libro C. Mannino, L.Palagi, M. Roma. Complementi ed esercizi di Ricerca Operativa, Edizioni Ingegneria 2000, 1998, ISBN:

Dettagli

Facoltà di Ingegneria dell Informazione, Informatica e Statistica. Corso di Laurea in Ingegneria Informatica e Automatica. Esercizi svolti di

Facoltà di Ingegneria dell Informazione, Informatica e Statistica. Corso di Laurea in Ingegneria Informatica e Automatica. Esercizi svolti di Facoltà di Ingegneria dell Informazione, Informatica e Statistica Corso di Laurea in Ingegneria Informatica e Automatica Esercizi svolti di Ricerca Operativa Massimo Roma Dipartimento di Ingegneria Informatica,

Dettagli

x 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =

x 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 = 56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,

Dettagli

Facoltà di Ingegneria dell Informazione, Informatica e Statistica. Corso di Laurea in Ingegneria Gestionale. anno accademico

Facoltà di Ingegneria dell Informazione, Informatica e Statistica. Corso di Laurea in Ingegneria Gestionale. anno accademico Facoltà di Ingegneria dell Informazione, Informatica e Statistica Corso di Laurea in Ingegneria Gestionale anno accademico 2016-2017 Esercizi svolti di Ricerca Operativa 12 CFU Stefano Lucidi - Massimo

Dettagli

Modello di miscelazione per il corso di Laboratorio di Ricerca Operativa

Modello di miscelazione per il corso di Laboratorio di Ricerca Operativa Modello di miscelazione per il corso di Laboratorio di Ricerca Operativa Modello di miscelazione Il problema è tratto dal libro W. L. Winston. Operations Research, Application and Algorithms, 4th Edition,

Dettagli

min 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.

min 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0. 5 IL METODO DEL SIMPLESSO 6.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,

Dettagli

Introduzione alla programmazione lineare

Introduzione alla programmazione lineare Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore

Dettagli

di INGEGNERIA Anno Accademico ESERCIZI SVOLTI di RICERCA OPERATIVA pericorsidilaureain:

di INGEGNERIA Anno Accademico ESERCIZI SVOLTI di RICERCA OPERATIVA pericorsidilaureain: UNIVERSITÀ diroma LASAPIENZA FACOLTÀ di INGEGNERIA Anno Accademico 2003 2004 ESERCIZI SVOLTI di RICERCA OPERATIVA pericorsidilaureain: Ingegneria Informatica (A-E) prof. Roma, (F-N) prof. Lucidi, (O-Z)

Dettagli

Il metodo del simplesso

Il metodo del simplesso Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza

Dettagli

La dualità nella Programmazione Lineare

La dualità nella Programmazione Lineare Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x

Dettagli

Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.

Figura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli. ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c

Dettagli

Problemi di Flusso: Il modello del Trasporto

Problemi di Flusso: Il modello del Trasporto Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su

Dettagli

Le condizioni di Karush-Kuhn-Tucker

Le condizioni di Karush-Kuhn-Tucker Capitolo 9 Le condizioni di Karush-Kuhn-Tucker 9. Introduzione In questo capitolo deriveremo le condizioni necessarie di Karush-Kuhn-Tucker (KKT) per problemi vincolati in cui S è descritto da vincoli

Dettagli

Si considera, come al solito, un problema di programmazione lineare in forma standard:

Si considera, come al solito, un problema di programmazione lineare in forma standard: LA FASE I DEL METODO DEL SIMPLESSO 149 6.5 LA FASE I DEL METODO DEL SIMPLESSO Comegiàdetto, il primoobiettivo dellafase Idel metododelsimplessoèquellodi verificare l ammissibilità del problema da risolvere.

Dettagli

Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard

Introduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione

Dettagli

Programmazione lineare: basi e soluzioni di base

Programmazione lineare: basi e soluzioni di base Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria

Dettagli

Modelli di Programmazione Lineare Intera

Modelli di Programmazione Lineare Intera 6 Modelli di Programmazione Lineare Intera 6.1 VARIABILI BINARIE COME VARIABILI INDICATRICI Un altro classico uso di variabili 0 1, consiste nell indicare le relazioni di dipendenza tra alcune grandezze

Dettagli

Programmazione lineare

Programmazione lineare Capitolo 1 Programmazione lineare ESERCIZIO 1.1. Porre in forma canonica i seguenti programmi lineari. min 3x 1 + 4x 2 2x 3 x 1 + 2x 2 x 3 5 2x 1 + 4x 3 = 12 x 1 + x 2 + x 3 15 x 1, x 2 0, x 3 libera.

Dettagli

2. ALGORITMO DEL SIMPLESSO

2. ALGORITMO DEL SIMPLESSO . ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione

Dettagli

ALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1.

ALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1. ALGORITMO DEL SIMPLESSO Una piccola introduzione R. Tadei R. Tadei 2 SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione

Dettagli

Esercizi sulla Programmazione Lineare. min. cx Ax b x 0

Esercizi sulla Programmazione Lineare. min. cx Ax b x 0 Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )

Dettagli

Parte V: Rilassamento Lagrangiano

Parte V: Rilassamento Lagrangiano Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice

Dettagli

Soluzione. 2.1 Pianificazione multiperiodo della produzione energetica

Soluzione. 2.1 Pianificazione multiperiodo della produzione energetica Soluzione. Pianificazione multiperiodo della produzione energetica a) Diamo una prima formulazione nonlineare del problema. Insiemi T :insiemedeiperiodiditempo S = {,, 3}: insieme degli indici dei range

Dettagli

Algoritmo del simplesso

Algoritmo del simplesso Algoritmo del simplesso Ipotesi : si parte da una S.A.B. e dal tableau A=b in forma canonica. Si aggiunge una riga costituita dagli r j, j =,., n e da -z (valore, cambiato di segno, della f.o. nella s.a.b.)

Dettagli

Esame di Ricerca Operativa. Corso di Laurea in Ingegneria Informatica e Automatica. Compito A

Esame di Ricerca Operativa. Corso di Laurea in Ingegneria Informatica e Automatica. Compito A Esame di Ricerca Operativa Corso di Laurea in Ingegneria Informatica e Automatica 6 settembre 218 Compito A Istruzioni Usate i fogli bianchi allegati per calcoli, ragionamenti e quanto altro reputiate

Dettagli

Il teorema di dualità forte

Il teorema di dualità forte Complementi di Algoritmi e Strutture Dati Il teorema di dualità forte Docente: Nicolò Cesa-Bianchi versione 13 maggio 2018 Ricordiamo la formulazione del problema di programmazione lineare nella sua forma

Dettagli

La Programmazione Lineare Intera

La Programmazione Lineare Intera Capitolo 4 La Programmazione Lineare Intera 4.1 Modelli di Programmazione Lineare Intera Esercizio 4.1.1 Una compagnia petrolifera dispone di 5 pozzi (P1, P2, P3, P4, P5) dai quali può estrarre petrolio.

Dettagli

3.6 Metodi basati sui piani di taglio

3.6 Metodi basati sui piani di taglio 3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una

Dettagli

4.4 Programmazione quadratica

4.4 Programmazione quadratica 4.4 Programmazione quadratica Minimizzare una funzione quadratica soggetta a vincoli lineari: min 1 2 xt Qx + c t x s.v. a t i x b i i D (P) a t i x = b i i U x R n dove Q matrice n n, D e U sono gli insiemi

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi, poliedri Sia a un vettore non nullo

Dettagli

1 Modelli di Programmazione Lineare Intera. 2 Variabili intere per rappresentare quantità indivisibili

1 Modelli di Programmazione Lineare Intera. 2 Variabili intere per rappresentare quantità indivisibili 1 Modelli di Programmazione Lineare Intera Quando tutte le variabili di un problema di Programmazione Lineare sono vincolate ad assumere valori interi, si parla di Programmazione Lineare Intera. Moltissimi

Dettagli

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI

3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI 3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema

Dettagli

3.3 Problemi di PLI facili

3.3 Problemi di PLI facili 3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P

Dettagli

Soluzione dei Problemi di Programmazione Lineare

Soluzione dei Problemi di Programmazione Lineare Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle

Dettagli

Esercizi di Programmazione Lineare

Esercizi di Programmazione Lineare Esercizi di Programmazione Lineare 1 di Base: Forma Matriciale Si consideri il poliedro P = {x R 3 : Ax b} in cui: 1 0 1 2 A = 1 1 0 0 1 1, b = 1 4 1 1 1 3, x 1 = 1 2 + 3 2 + 5 2 x 2 = I vettori x 1 e

Dettagli

Trasformazione di Problemi Non Lineari

Trasformazione di Problemi Non Lineari Capitolo 2 Trasformazione di Problemi Non Lineari 2.1 Trasformazione in problema di PL In questa sezione, verranno presentati tre classi di problemi di programmazione non lineare che, attraverso l uso

Dettagli

Ricerca Operativa a.a : I appello

Ricerca Operativa a.a : I appello Ricerca Operativa a.a. 2015-2016: I appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 14 gennaio 2016 Regole per l esame: la violazione delle seguenti regole comporta il

Dettagli

1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo. c 1 x 1 + c 2 x c n x n,

1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo. c 1 x 1 + c 2 x c n x n, VERTICIDIUNPOLIEDRO 31 Esercizi di riepilogo sui Capitoli 1 5 1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo dove c 1,c 2,...,c n sono numeri

Dettagli

Università degli Studi di Roma La Sapienza

Università degli Studi di Roma La Sapienza Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015 1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)

Dettagli

TEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.

TEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1. Prof. R. adei EORIA della DUALIÀ Una piccola introduzione R. adei 1 R. adei 2 EORIA DELLA DUALIA' Il concetto di dualità fu introdotto nel 1947 da Von Neumann, anche se il teorema della dualità fu formulato

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3) Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 5-6 lez.) Matematica Computazionale

Dettagli

5.3 Metodo dei piani di taglio

5.3 Metodo dei piani di taglio 5.3 Metodo dei piani di taglio (PLI) min s.v. c T x Ax b x interi X Ipotesi: a ij, c j e b i interi Osservazione: La regione ammissibile di un PLI può essere descritta mediante dei vincoli più o meno stringenti

Dettagli

Ricerca Operativa. Ricerca Operativa p. 1/6

Ricerca Operativa. Ricerca Operativa p. 1/6 Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la

Dettagli

Programmazione Non Lineare

Programmazione Non Lineare Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione

Dettagli

a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn mentre le variabili decisionali sono rappresentate dal vettore colonna n-dimensionale x,

a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn mentre le variabili decisionali sono rappresentate dal vettore colonna n-dimensionale x, Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Appunti dal corso di Metodi e Modelli di Ottimizzazione Discreta 1 A.A. 2018-2019 Prof. Sara Nicoloso A seconda del tipo di variabili che

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 26. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 26 Docente: Laura Palagi Modello di distribuzione Cardillo Raffaele Di Paola Catherine Trano Marco

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 3. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 3. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 3 Docente: Laura Palagi 2 TESTO DEL PROBLEMA Si vuole programmare la dieta di un individuo su un

Dettagli

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4 Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università

Dettagli

Prova Scritta di Ricerca Operativa

Prova Scritta di Ricerca Operativa Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 1 giugno 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro dell

Dettagli

Problema del trasporto

Problema del trasporto p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in

Dettagli

RICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola:

RICERCA OPERATIVA (a.a. 2011/12) Nome: Cognome: Matricola: 5 o Appello 8/0/0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si individui un albero dei cammini minimi di radice sul grafo in figura, utilizzando l algoritmo più appropriato dal punto di vista

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo.

Ricerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo. 1 Lunedí 9 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Problema di Ottimizzazione min(o max) f (x) con la restrizione x S dove f (x) : R n R è detta funzione obiettivo S R n

Dettagli

Esame di Ricerca Operativa del 11/1/19

Esame di Ricerca Operativa del 11/1/19 Esame di Ricerca Operativa del // (Cognome) (Nome) (Numero di Matricola) Esercizio. (a) Risolvere il seguente problema di programmazione lineare, determinandone il problema duale ed applicando l algoritmo

Dettagli

Ricerca Operativa a.a : IV appello

Ricerca Operativa a.a : IV appello Ricerca Operativa a.a. 2015-2016: IV appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 5 settembre 2016 Regole per l esame: la violazione delle seguenti regole comporta

Dettagli

Corso di Matematica Applicata A.A

Corso di Matematica Applicata A.A Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi

Dettagli

5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 5 PROGRAMMAZIONE LINEARE INTERA (PLI) E. Amaldi Fondamenti di R.O. Politecnico di Milano Programma lineare intero: (PLI) min c T x Ax b x 0 intero Ipotesi: A, b interi La condizione di interezza non è

Dettagli

di INGEGNERIA Anno Accademico ESERCIZI SVOLTI di RICERCA OPERATIVA per i Corsi di Laurea in: Ingegneria Gestionale

di INGEGNERIA Anno Accademico ESERCIZI SVOLTI di RICERCA OPERATIVA per i Corsi di Laurea in: Ingegneria Gestionale UNIVERSITÀ di ROMA LA SAPIENZA FACOLTÀ di INGEGNERIA Anno Accademico 25 26 ESERCIZI SVOLTI di RICERCA OPERATIVA per i Corsi di Laurea in: Ingegneria Gestionale F. Facchinei S. Lucidi M. Roma Dipartimento

Dettagli

Ricerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab

Ricerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab Ricerca Operativa Programmazione Lineare Università Mediterranea di Reggio Calabria Decisions Lab Ottimizzazione In un problema di ottimizzazione si cerca di massimizzare o minimizzare una quantità specifica,

Dettagli

Dualitá in Programmazione Lineare e alcune conseguenze

Dualitá in Programmazione Lineare e alcune conseguenze Dualitá in Programmazione Lineare e alcune conseguenze Giacomo Zambelli 1 Dualitá per problemi in forma standard Si consideri il seguente problema di PL in forma standard: z = max c x Ax = b (1) ove A

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Luigi De Giovanni Giacomo Zambelli 1 I passi dell algoritmo del simplesso L

Dettagli

5.5 Programmazione quadratica (PQ)

5.5 Programmazione quadratica (PQ) 5.5 Programmazione quadratica (PQ Minimizzare una funzione quadratica soggetta a vincoli lineari: 1 min x t Qx + c t x 2 s.v. a t i x b i i D (P a t i x = b i i U x R n dove Q matrice n n, D e U sono gli

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 21 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 21 MODELLO DI MISCELAZIONE E

Dettagli

Teoria della Dualità: I Introduzione

Teoria della Dualità: I Introduzione Teoria della Dualità: I Introduzione Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.2 Maggio 2004 Dualità Per ogni problema PL, detto primale, ne esiste un altro, detto duale, costruito

Dettagli

Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19

Appendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19 14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi

Dettagli

Esercitazione n o 7 per il corso di Ricerca Operativa

Esercitazione n o 7 per il corso di Ricerca Operativa Esercitazione n o 7 per il corso di Ricerca Operativa Modello di miscelazione Il problema è stato tratto dal libro W. L. Winston. Operations Research, Application and Algorithms, 4th Edition, Thomson Learning,

Dettagli

Il modello duale. Capitolo settimo. Introduzione

Il modello duale. Capitolo settimo. Introduzione Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale

Dettagli

1) Hamming bound, coset, codici equivalenti

1) Hamming bound, coset, codici equivalenti Argomenti della Lezione ) Hamming bound, coset, codici equivalenti 2) Esercizi sui codici lineari a blocchi Osservazione () Per effettuare la decodifica a rivelazione di errore si può seguire una delle

Dettagli

MODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE)

MODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE) MODELLI DECISIONALI FORMULAZIONE GENERALE DEL PROBLEMA DECISIONALE (OTTIMIZZAZIONE) z vettore di n elementi (variabili di decisione) o funzione J(z) obiettivo (vettoriale) da ottimizzare (max o min) Z

Dettagli

Esercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2

Esercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2 M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 6 - Soluzioni Esercizio 6.1 La soluzione ottima è il vertice 4 1, di valore 9, vedi

Dettagli

1 Il metodo dei tagli di Gomory

1 Il metodo dei tagli di Gomory Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare

Dettagli

Si consideri il seguente tableau ottimo di un problema di programmazione lineare

Si consideri il seguente tableau ottimo di un problema di programmazione lineare ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6

Dettagli

3x 2 = 6. 3x 2 x 3 = 6

3x 2 = 6. 3x 2 x 3 = 6 Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice

Dettagli

2.1 Pianificazione multiperiodo della produzione energetica. 2.2 Confronto tra formulazioni per il problema dell albero di supporto di costo minimo

2.1 Pianificazione multiperiodo della produzione energetica. 2.2 Confronto tra formulazioni per il problema dell albero di supporto di costo minimo . Pianificazione multiperiodo della produzione energetica Consideriamo il problema di approvvigionamento energetico dell Italia su un orizzonte di T = 0 anni. Sia d t il consumo di potenza elettrica stimato

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 10 Docente: Laura Palagi Smaltimento dei rifiuti solidi urbani HOMEWORK N 10 Francesco Cambiotti

Dettagli

DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1

DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1 DUALIT A ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. si richiede di: Dato il seguente programma lineare max 2x 1 + 4x 2 x 2x 4 (1) x 1 2x 2 + 4x 5 (2) x 2 + x + x 4 8 () x 1 ; : : :; x 4 0; (4) (1)

Dettagli

Problemi di Localizzazione Impianti

Problemi di Localizzazione Impianti Sapienza Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Localizzazione Impianti Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato

Dettagli

Interpretazione economica della dualità

Interpretazione economica della dualità Interpretazione economica della dualità Interpretazione economica delle variabili duali Interpretazione economica del problema duale nei problemi di allocazione risorse e miscelazione Applicazioni della

Dettagli

Esercizio 1. Soluzione

Esercizio 1. Soluzione A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Prima prova intermedia 21 aprile 2018 Esercizio 1 Una fabbrica di schede elettroniche deve allocare operai

Dettagli

5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate

5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate 5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe

Dettagli

4.5 Metodo del simplesso

4.5 Metodo del simplesso 4.5 Metodo del simplesso min z = c T x s.v. Ax = b x 0 PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una

Dettagli

La notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:

La notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica: . SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;

Dettagli

Programmazione Matematica / A.A Soluzioni di alcuni esercizi

Programmazione Matematica / A.A Soluzioni di alcuni esercizi Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa

Dettagli

Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila

Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sommario 1. Sistemi di disequazioni lineari e poliedri 2. Poliedri e insiemi convessi 3. Disequazioni

Dettagli

Modelli di Programmazione Lineare

Modelli di Programmazione Lineare Capitolo 2 Modelli di Programmazione Lineare 2.1 Generalità Come già detto nel capitolo precedente, è possibile classificare i modelli di Programmazione Matematica in base alla struttura particolare che

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 23. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 23. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 0-3 Homework n 3 Docente: Laura Palagi HOMEWORK DI RICERCA OPERATIVA Realizzato da : Bartolini Giancarlo Cornacchione

Dettagli

LA FASE II DEL METODO DEL SIMPLESSO Convergenza del metodo del simplesso

LA FASE II DEL METODO DEL SIMPLESSO Convergenza del metodo del simplesso LA FASE II DEL METODO DEL SIMPLESSO 193 7.4.6 Convergenza del metodo del simplesso Per concludere l analisi della Fase II del metodo del simplesso, vogliamo ora mostrare che, sotto opportune ipotesi, il

Dettagli

(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.

(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema. 6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito

Dettagli